北京分校人工智能專業(yè)培訓(xùn)課程

【行業(yè)前景】

產(chǎn)業(yè)發(fā)展：

保守估計(jì)，2030年的中國(guó)將成為世界主要人工智能創(chuàng)新中心。

AI相關(guān)產(chǎn)業(yè)規(guī)模達(dá)100000億元，你能想象嗎？

現(xiàn)今中國(guó)人工智能領(lǐng)域的投融資占全球的60%，是規(guī)模最大的國(guó)家；

中國(guó)人工智能市場(chǎng)增長(zhǎng)迅速，2017年其市場(chǎng)規(guī)模達(dá)237億元，同比增長(zhǎng)67％。

崗位需求：

統(tǒng)計(jì)數(shù)據(jù)表明，截止2018年年中，

AI從業(yè)人員50000人，而行業(yè)需求量已經(jīng)突破1000000人，

而AI對(duì)人才的需求仍然與日俱增。

中國(guó)人工智能企業(yè)數(shù)量達(dá)數(shù)千家，位列全球第二，北京是全球人工智能企業(yè)最集中的城市。

【適合人群】

【從業(yè)崗位】

一、AI算法工程師

1、深度學(xué)習(xí)算法研究、實(shí)現(xiàn)和優(yōu)化，負(fù)責(zé)特定需求的深度學(xué)習(xí)算法解決方案。

2、跟進(jìn)業(yè)界人工智能的研究成果，開發(fā)并提升相應(yīng)的算法任務(wù)。

二、圖像識(shí)別工程師

1、根據(jù)公司產(chǎn)品和業(yè)務(wù)需求，進(jìn)行相關(guān)圖像算法的研究和開發(fā)。

2、負(fù)責(zé)相關(guān)算法的核心代碼實(shí)現(xiàn)或移植。

三、自然語言處理工程師

1、根據(jù)公司產(chǎn)品和業(yè)務(wù)需求，進(jìn)行相關(guān)NLP算法的研究和開發(fā)。

2、負(fù)責(zé)NLP問題的研究，完成知識(shí)抽取、實(shí)體匹配、語義消歧、關(guān)系抽取等應(yīng)用的研發(fā)。

四、語音識(shí)別工程師

1、參與公司核心語音識(shí)別算法的設(shè)計(jì)和研究及其工程實(shí)現(xiàn)。

2、負(fù)責(zé)跟進(jìn)行業(yè)前沿技術(shù)發(fā)展趨勢(shì)，不斷優(yōu)化當(dāng)前神經(jīng)網(wǎng)絡(luò)模型；

五、數(shù)據(jù)挖掘工程師

1、對(duì)產(chǎn)品與用戶數(shù)據(jù)進(jìn)行爬取和分析，發(fā)現(xiàn)數(shù)據(jù)背后的特征規(guī)律；

2、完成產(chǎn)品、市場(chǎng)等部門提出的各類數(shù)據(jù)挖掘需求、完成機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘項(xiàng)目。

六、數(shù)據(jù)分析工程師

1、負(fù)責(zé)數(shù)據(jù)分析工作，挖掘數(shù)據(jù)分析需求，制定并實(shí)施分析方案，進(jìn)行項(xiàng)目數(shù)據(jù)分析、模型建構(gòu)和數(shù)據(jù)處理。

2、結(jié)合分析結(jié)果，設(shè)計(jì)業(yè)務(wù)指標(biāo)體系及數(shù)據(jù)產(chǎn)品并驅(qū)動(dòng)相關(guān)業(yè)務(wù)的發(fā)展。

【課程體系】

一、人工智能

人工智能初級(jí)：人工智能技術(shù)和應(yīng)用場(chǎng)景的全面解析，系統(tǒng)化介紹人工智能技術(shù)鏈條

通過實(shí)例對(duì)人工智能的開發(fā)語言載體Python進(jìn)行深入理解并掌握Python語法規(guī)則，變量和數(shù)據(jù)類型，程序結(jié)構(gòu)控制，Python的數(shù)據(jù)結(jié)構(gòu)，Python中的OOP，了解-神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法和流程，學(xué)習(xí)主流機(jī)器學(xué)習(xí)、深度學(xué)習(xí)框架環(huán)境的搭建，TensorFlow、Keras、Caffe等。

人工智能中級(jí)：本模塊重點(diǎn)在于算法的開發(fā)實(shí)現(xiàn)方面，學(xué)習(xí)人工智能中的識(shí)別技術(shù)

通過數(shù)字識(shí)別和人臉識(shí)別、自然語言處理等這些應(yīng)用極為廣泛的項(xiàng)目開發(fā)，深入介紹深度學(xué)習(xí)的概念，激活函數(shù)以及神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，對(duì)CNN、RNN進(jìn)行原理方法和原理學(xué)習(xí)，卷積層和池化層，圖像特征提取與識(shí)別，經(jīng)典LeNet模型，LSTM，Encoder-Decoder Model等，同時(shí)引入自然語言處理方面的內(nèi)容，包括分詞、題干提取建模等，為不同方向的技術(shù)學(xué)習(xí)構(gòu)建完整的技能知識(shí)圖譜。

人工智能高級(jí)：從本階段開始，我們的學(xué)習(xí)重點(diǎn)轉(zhuǎn)向高級(jí)的模型優(yōu)化算法上

在項(xiàng)目開發(fā)實(shí)現(xiàn)的基礎(chǔ)上進(jìn)行調(diào)優(yōu)處理，通過學(xué)習(xí)過程的優(yōu)化、數(shù)據(jù)預(yù)處理方法、超參數(shù)、學(xué)習(xí)率優(yōu)化、Batch-Normalization等方法，實(shí)現(xiàn)開發(fā)算法的優(yōu)化，完善提升神經(jīng)網(wǎng)絡(luò)的效率和質(zhì)量，進(jìn)一步理解算法實(shí)現(xiàn)與設(shè)計(jì)，實(shí)現(xiàn)開發(fā)工程師提升到算法專家之路。

二、數(shù)據(jù)分析

數(shù)據(jù)分析初級(jí)：使用Python處理工作場(chǎng)景中的簡(jiǎn)單數(shù)據(jù)分析

基于CDBD（中國(guó)歷代人物傳記資料庫）數(shù)據(jù)集開發(fā)課程案例，介紹數(shù)據(jù)分析的基本流程和方法，涉及的數(shù)據(jù)建模方法主要是聚類和決策樹，學(xué)完之后能夠使用Python處理工作場(chǎng)景中的簡(jiǎn)單數(shù)據(jù)分析。

數(shù)據(jù)分析中級(jí)：成為具有一定分析思維的數(shù)據(jù)分析師

基于真實(shí)企業(yè)數(shù)據(jù)庫開發(fā)案例，重點(diǎn)介紹K-近鄰、凝聚與分裂（層次聚類算法）、線性回歸、樸素貝葉斯等數(shù)據(jù)建模方法，最終成為具有一定分析思維的數(shù)據(jù)分析師，滿足就業(yè)需求。

數(shù)據(jù)分析高級(jí)：成長(zhǎng)為一名高級(jí)數(shù)據(jù)分析師，并獲得算法工程師的相關(guān)技能

基于前兩個(gè)階段學(xué)員學(xué)習(xí)數(shù)據(jù)開發(fā)的在線學(xué)習(xí)數(shù)據(jù)分析案例，通過完全貼近真實(shí)情境的數(shù)據(jù)分析工作，學(xué)會(huì)處理各種數(shù)據(jù)分析中的復(fù)雜問題，所使用的建模方法有支持向量機(jī)、DBSCAN、邏輯回歸和反向傳播神經(jīng)網(wǎng)絡(luò)，最終成長(zhǎng)為一名高級(jí)數(shù)據(jù)分析師，并獲得算法工程師的相關(guān)技能，能做出直接跟系統(tǒng)交互的儀表盤。

三、Python

Python初級(jí)：數(shù)據(jù)可視化

在大量數(shù)據(jù)的情況下，如何讓數(shù)據(jù)能夠更直觀，更高效的輸出有用的信息就需要借助于數(shù)據(jù)可視化技術(shù)。通過項(xiàng)目實(shí)戰(zhàn)完全掌握Matplotlib實(shí)現(xiàn)簡(jiǎn)單直觀的數(shù)據(jù)可視化、Echarts實(shí)現(xiàn)更豐富的交互需求，在此基礎(chǔ)上認(rèn)識(shí)更多的數(shù)據(jù)可視化庫并靈活運(yùn)用。

Python中級(jí)：數(shù)據(jù)抓取與采集

互聯(lián)網(wǎng)上存在著海量的數(shù)據(jù)信息，通過爬蟲可以快速高效的獲取這些數(shù)據(jù)。Scrapy爬蟲框架是當(dāng)前非常流行的一款爬蟲框架。Scrapy使用Python作為開發(fā)語言，并且提供了非常豐富擴(kuò)展功能，數(shù)量掌握Scrapy爬蟲框架的使用能夠?qū)崿F(xiàn)高效獲取互聯(lián)網(wǎng)數(shù)據(jù)的目標(biāo)。

Python高級(jí)：數(shù)據(jù)清洗與挖掘

本階段主要完成數(shù)據(jù)處理方面的學(xué)習(xí)，利用Python實(shí)現(xiàn)數(shù)據(jù)清洗與存儲(chǔ)相關(guān)技能。數(shù)據(jù)被正式應(yīng)用于AI核心算法前，需要經(jīng)過遷移、清洗、分片等多種轉(zhuǎn)換處理，利用Python的numpy、pandas模塊有效處理源數(shù)據(jù)中的空缺值、噪聲數(shù)據(jù)、不一致數(shù)據(jù)、重復(fù)數(shù)據(jù)等。數(shù)據(jù)來源、存儲(chǔ)環(huán)境是多樣的，分別來自于JSON、CSV文件，MySQL、Redis、MongoDB數(shù)據(jù)庫，HDFS文件系統(tǒng)等等。利用Python的json、csv、pymysql、redis、pymongo、pyhdfs模塊很好地解決了數(shù)據(jù)存儲(chǔ)問題。

【應(yīng)用項(xiàng)目】

1.車牌號(hào)碼識(shí)別

車牌識(shí)別技術(shù)要求能夠?qū)⑦\(yùn)動(dòng)中的汽車牌照從復(fù)雜背景中提取并識(shí)別出來，該項(xiàng)技術(shù)在車輛管理、電子收費(fèi)等系統(tǒng)中廣泛應(yīng)用，圖像識(shí)別是AI最廣泛的應(yīng)用之一。

2.身份證識(shí)別

身份證識(shí)別應(yīng)用于線上線下銀行、交通出行檢驗(yàn)等行業(yè)，是指使用圖像識(shí)別技術(shù)對(duì)身份證信息自動(dòng)提取，并對(duì)身份證信息按要素格式化輸出信息。

3.人臉識(shí)別驗(yàn)證

人臉識(shí)別技術(shù)的發(fā)展讓“刷臉”變成現(xiàn)實(shí)，例如門禁刷臉系統(tǒng)、IPhoneX刷臉解鎖、手機(jī)銀行支付等等。人臉驗(yàn)證主要通過人臉識(shí)別定位、人臉屬性識(shí)別、特征提取等等技術(shù)，保證其準(zhǔn)確率和安全性。

4.客服機(jī)器人

采用自然語言處理技術(shù)，智能客服機(jī)器人的應(yīng)用有著明顯的優(yōu)勢(shì)。特別是為企業(yè)大大提升了服務(wù)效率，收集用戶訴求和行為數(shù)據(jù)，為企業(yè)改進(jìn)產(chǎn)品提供了有力支撐。

【課程優(yōu)勢(shì)】

1.真才實(shí)學(xué)+真材實(shí)料=真AI

人工智能+場(chǎng)景賦能，精準(zhǔn)定位崗位需求，緊密結(jié)合企業(yè)級(jí)需求，含金量極高的項(xiàng)目體系和精準(zhǔn)的課程體系。真項(xiàng)目真AI！

2.精心調(diào)研+專心規(guī)劃=真就業(yè)

崗位分析+學(xué)習(xí)行為挖掘，自適應(yīng)引導(dǎo)學(xué)習(xí)，項(xiàng)目訓(xùn)練符合企業(yè)能力需求，就業(yè)目標(biāo)明確。

3.誠(chéng)信設(shè)計(jì)+用心實(shí)施=真服務(wù)

與北京大學(xué)聯(lián)手，重磅打造自適應(yīng)學(xué)習(xí)平臺(tái)；

北京大學(xué)教授指導(dǎo)課程設(shè)計(jì)；

中央實(shí)驗(yàn)室解決大數(shù)據(jù)、大算力的問題；

線上行業(yè)大咖授課+線下教練服務(wù)；

【專業(yè)團(tuán)隊(duì)】

【學(xué)校簡(jiǎn)介】

北大青鳥——北大青鳥金領(lǐng)園教育，成立于2001年，是北大青鳥在北京市的官方授權(quán)校區(qū)，以符合IT行業(yè)企業(yè)需求的人才培養(yǎng)方法為核心，擁有強(qiáng)大而專業(yè)的教質(zhì)教務(wù)團(tuán)隊(duì)、就業(yè)服務(wù)團(tuán)隊(duì)，學(xué)習(xí)環(huán)境和機(jī)房配置齊全。學(xué)校還配置了大型實(shí)驗(yàn)室和軟件開發(fā)訓(xùn)練基地，為學(xué)員提供完善的IT學(xué)習(xí)、實(shí)訓(xùn)、就業(yè)一站式服務(wù)。

【學(xué)校環(huán)境】

【教學(xué)現(xiàn)場(chǎng)】